Reducere suplimentară a modelului?

Prin eliminarea variabilei loan_amnt, AUC poate fi îmbunătățit în continuare până la 0,6548! Modelul rezultat este

log_4_remove_amnt <- glm(loan_status ~ grade + annual_inc + emp_cat, family = binomial, data = training_set)

Este posibil să reduci modelul de regresie logistică la doar două variabile fără a scădea AUC-ul? În acest exercițiu vei descoperi dacă este posibil!

Acest exercițiu face parte din cursul

Modelarea riscului de credit în R

Vezi cursul

Instrucțiuni pentru exercițiu

Elimină din nou câte o variabilă pe rând din modelul log_4_remove_amnt. Reține că trebuie să folosești funcția de legătură implicită (logit).
Folosește predict() pentru a genera predicții privind probabilitatea de nerambursare pentru fiecare model creat.
Calculează valorile AUC pentru fiecare dintre cele trei modele, folosind test_set$loan_status ca prim argument și predicțiile fiecărui model ca al doilea argument.
Trasează curba ROC pentru modelul cu cel mai mare AUC din spațiul tău de lucru, folosind plot(roc()), unde conținutul lui roc() este același cu cel al funcției auc() care a produs cel mai mare AUC. Reține că este posibil ca AUC-ul să nu mai poată fi îmbunătățit față de modelul log_4_remove_amnt. Predicțiile pentru acest model sunt încărcate în spațiul tău de lucru sub numele pred_4_remove_amnt, pentru situația în care acest model conduce la cel mai mare AUC.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Build three models each time deleting one variable in log_4_remove_amnt
log_5_remove_grade <- glm(loan_status ~ annual_inc + emp_cat, family = binomial, data = training_set) 
log_5_remove_inc <- 
log_5_remove_emp <- 

# Make PD-predictions for each of the models
pred_5_remove_grade <- predict(log_5_remove_grade, newdata = test_set, type = "response")
pred_5_remove_inc <-
pred_5_remove_emp <-

# Compute the AUCs



# Plot the ROC-curve for the best model here

Editează și rulează codul